土木工程结构健康监测研究进展

阐述了实施土木工程结构健康监测的必要性,介绍了结构健康监测系统的内涵、组成、监控内容、监控系统功能及其工程应用,讨论了结构损伤检测中的两类方法,重点对损伤识别中的动力指纹法、模型修正法、神经网络法、遗传算法进行了分析和比较,阐述了健康监测领域今后的主要研究问题和发展方向.     

基于遗传算法的变速器多目标优化设计

本文以体积最小化和功率使用率最大化建立了变速器多目标优化设计数学模型,并在可靠性的基础上,给出了约束条件;最后运用遗传算法对所建模型进行了实例测试,测试结果表明所建模型正确有效,对齿轮传动的设计具有参考价值。     

A multi-objective optimal approach to automated construction of sacrificial multi-piece molds

Sacrificial multi-piece molds can be used for producing complex parts. To obtain the optimal design of molds automatically, a multi-objective optimal approach is proposed. Mold pieces number, material utilization and partitioning area are taken as the objective functions, and the machinability of each mold piece is taken as constraint condition. Genetic algorithm (GA) is adopted to realize global optimization of partitioning process. Each mold piece in optimal scheme can be manufactured by milling and drilling operations, which reduce the tooling cost and shorten product cycle obviously. Using the proposed approach, mold design can be significantly automated for making complex parts.     

基于遗传支持向量机的综合管廊土建工程造价估算方法研究

综合管廊工程造价估算具有影响因素多、小样本及非线性的特点,传统的造价估算方法对于这类问题无法得到准确结果。针对这一问题,提出一种基于遗传支持向量机的综合管廊造价估算模型。分析综合管廊工程的具体特征,运用支持向量机建立工程造价与影响因子之间的非线性映射关系,利用遗传算法对支持向量机进行参数优化并对综合管廊的工程造价进行估算。以16条已建综合管廊工程作为数据库样本,对该模型进行分析验证。样本测试结果显示,利用该模型可将估算误差控制在10%以内,验证了模型估算的可行性。     

基于遗传算法和极限学习机的智能算法在基坑变形预测中的应用

为解决传统智能算法网络结构参数复杂、运算速度慢等问题,基于遗传算法和极限学习机构建基坑变形的新型优化智能预测模型。先利用皮尔逊相关系数评价不同影响因素与基坑沉降变形之间的相关性,以确定极限学习机的输入层; 再采用试算法确定最优激励函数和隐层节点数,并将遗传算法和极限学习机耦合,利用遗传算法优化极限学习机的初始权值和阈值,以提高预测精度。经实例检验表明： 1)开挖时间、开挖深度、土体抗剪参数及重度均与基坑沉降变形显著相关,为构建极限学习机输入层提供了依据; 2)在预测过程中,激励函数和隐层节点数对极限学习机的预测效果具有一定的影响,以Sigmiod型激励函数和13个隐层节点数的预测效果为最优; 3)通过遗传算法的优化,能进一步提高预测精度,验证了遗传算法的优化能力和有效性。预测模型在不同工况下的预测结果均较优,说明该模型具有较高的稳定性和可靠性。     

公交线网设计算法分析及线路调整研究

目前,国外公交线网设计主要采用启发式算法,存在计算效率不高、线网质量不佳、线网稳定性差等问题;国内公交线网设计主要采用"逐条布设,优化成网"方法,不适用于大路网,无法同时计算出线路发车频率,具有局限性,而其他研究多为模型研究,缺少算法研究及算例证明,难以应用。文中主要研究模拟退火、遗传、模拟退火遗传3种算法在公交线网设计中的运用,使用算例演算,从计算效率、路网质量、稳定性三方面比较不同算法的优劣。计算分析结果表明3种算法的线路重复率过高,与实际不符,为改进计算质量,提出了线路调整思想,使公交线网设计更加合理、稳定。     

自适应信息遗传算法在路面模量反算中的应用和稳健性研究

路基作为路面结构的基础支撑体,实际路基工程所发生的路面损坏基本上是基于路基稳定性差、强度较低,受到外部载荷作用而产生过量形变造成。主要是针对路面模量反算过程中所获得的目标函数在最优值呈现出一个狭长平坦区的特征,提出了一个基于模量反算的自适应信息遗传算法,并对新算法在路面模量反算中的稳健性进行了理论和实践对比分析。首次采用了以信息量来确定是否执行细分模量解空间的机制,有效的缩小了后期反算空间,同时,采用改进行的实数交叉算子,提高了新算法后期搜索能力,通过比较实际FWD实际检测结果与新算法的反算结果表明:自适应信息遗传算法有效的降低了传统遗传算法的复杂度,提高了求解效率,有效的保证了新算法在工程实际应用中的稳健性。     

快速公交发车间隔优化研究

合理的发车间隔对于快速公交车辆发挥其高效、经济和环保的优势具有重要的意义.首先以乘客出行成本和快速公交运营成本最小化为目标,考虑发车时间约束、车辆台数约束,建立了快速公交发车间隔优化模型.然后采用二进制编码,运用单点交叉和基本位变异的遗传算法求解该优化模型.最后以兰州市首条快速公交线路为例进行了实证研究,得到了不同时段下快速公交的发车间隔.实例研究结果表明,该发车间隔优化模型及遗传算法可行,对实现快速公交科学调度具有一定的参考意义.     

基于累积前景理论的多目标广义路网设计模型

根据随机路网环境下出行者有限理性的路径选择行为,组合能力扩展与拥挤收费2种方案,提出了基于累积前景理论的多目标广义路网设计双层规划模型。该模型上层模型以最小化系统出行时间预算和最大化系统出行前景为目标,下层模型为基于累积前景理论的用户均衡模型。推导了需求服从对数正态分布且路段通行能力服从贝塔分布条件下的前景值计算公式,建立了用等价变分不等式表示的均衡模型,设计了改进型非支配排序遗传算法求解模型。研究结果表明:出行者择路行为的风险偏好与风险认知会显著影响网络设计结果,忽视出行者择路行为的有限理性可能会产生次优甚至错误的网络设计方案。     

基于环境风险控制的危险废物选址-路径问题研究

为降低回收处理危险废物的环境危害,提出了基于环境风险控制的危险废物选址-路径问题,全面地评估了危险废物回收管理的环境风险.根据环境承载力的理论,设计了环境风险的度量方法.考虑废物残余的危险性、危险废物类型和加工技术种类的多样性、危险废物和加工技术的相容性,建立了成本最小化和环境风险最小化的0-1混合整数线性规划模型.针对双目标选址-路径模型的复杂性特点,设计了多阶段聚类遗传算法.以重庆危险废物物流管理为例,验证了模型和算法的有效性.结果表明:模型和算法能够为实际管理提供合理的选址-路径优化方案,且在两个不同对比条件下,相较于已有的模型,基于环境风险控制的优化方案能够分别降低33.85％和18.16％的总成本.